Качеством данных управляют люди

Здоровье данных – ключевой аспект успешного бизнеса современных компаний. Некачественные данные способны «завалить» все, даже самые перспективные инициативы по повышению эффективности бизнеса, – будь то внедрение аналитического решения или построение системы искусственного интеллекта. Это стало очевидно абсолютно всем, и спектр компаний, заинтересованных в проектах, связанных с управлением данными, заметно вырос. Если раньше внедренные решения категории Data Governance были гордостью крупного бизнеса, то сейчас ими все активнее интересуются средние компании, причем вполне осознанно. Однако, как подчеркнули многие эксперты, выступившие в рамках конференции «Качество данных 2025», гораздо важнее выстраивание процессов работы с данными и обеспечение заинтересованности в актуальных и проверенных данных максимально широкого круга пользователей.

Система управления – не только инструменты

«Управление данными и, в частности, их качеством, – это задача не одного лишь офиса CDO, оно охватывает бизнес и ИТ-подразделения», – подчеркнул Олег Молчанов, руководитель направления по метаданным и качеству данных компании «Магнит». Ключевую роль в этом процессе в «Магните» играют аналитики качества данных, являясь движителями всей операционной модели управления данными. Первый такой аналитик появился в компании в 2022 году, сейчас их число возросло до семи. Их основные функции – проработка требований к качеству данных, анализ и фиксация ответственности, реализация системных решений для недопущения повторных инцидентов. Кроме того, они являются амбассадорами процессов управления данными, являясь наиболее «понятными» для бизнеса. 40% времени аналитиков качества данных тратится на взаимодействие с другими участниками процесса. По словам Молчанова, это «универсальные бойцы» и наиболее активные и значимые пользователи инструментов data governance.

Олег Молчанов: «Управление данными и, в частности, их качеством, – это задача не одного лишь офиса CDO, оно охватывает бизнес и ИТ-подразделения»

«Каждая проверка данных – это не просто скрипт. Он описан в понятном бизнесу формате, но еще важнее, что за каждой проверкой качества данных закреплена ответственность конкретных людей. Это делается, чтобы проведенная работа не ‘легла в стол’», — рассказал Молчанов.

Как отметил Николай Шевцов, CDO «ОТП-Банка», система управления данными является для руководства банка гигиеническим фактором. Бизнес понимает, что на качестве данных можно зарабатывать и строить на нем свои процессы.

«В понятии ‘система управления данными’ ключевое слово – ‘система’. Система охватывает не только технологии, но и понимание принципов работы с данными», – высказал уверенность Шевцов.

Если в данных есть ошибки, то в дальнейшем при обработке их число будет разрастаться экспоненциально. Но главный вопрос при обнаружении ошибки – что делать дальше: нужно ли ее исправлять, насколько срочно и т.п. На эти вопросы отвечает соглашение об уровне качества данных (Data Quality Level Agreement, DQLA), охватывающее проблему комплексно, на основе множества параметров. Для наиболее критичных областей данных возможно даже выделение целых команд. В «ОТП Банке», например, такой областью стали клиентские данные. Команда самостоятельно находит пробелы в клиентских данных, исправляет их, а эффективность этой работы составляет 1 млрд руб. в год.

Николай Шевцов: «В понятии ‘система управления данными’ ключевое слово – ‘система’. Система охватывает не только технологии, но и понимание принципов работы с данными»

«Если вы видите особо ценную и критичную для вас область, можно задуматься о целой команде для закрытия проблем в ней», – рекомендовал Шевцов.

Человеческий фактор и мотивация

«Люди – главный фактор обеспечения качества данных. Именно они определяют цели и стратегии, состав задач, выбираемые подходы, принимают решения и управляют рисками», – напомнила Анна Ерохина, руководитель технической поддержки сервиса по управлению мастер-данными компании Health&Nutrition.

На первом же шаге проекта по управлению данными необходимо выработать критерии и определить объекты; осознать, чем осуществляется управление; знать, что именно автоматизируется. Ключевая задача – прийти к общему мнению, что понимается под качеством данных. Пока такое понимание не выработано, перейти к управлению данными невозможно, а все стандарты станут просто макулатурой, если они не донесены до всех участников процессов.

Анна Ерохина: «Залогом успеха внедрения, поддержки и развития процессов управления качеством данных является человеческий фактор, поддерживаемый внутрикорпоративной культурой»

По мнению Ерохиной, залогом успеха внедрения, поддержки и развития соответствующих процессов является человеческий фактор, поддерживаемый внутрикорпоративной культурой для получения и распоряжения достоверными данными. Необходимо не просто формирование профессионального мышления в области управления данными, но и мощная мотивация персонала. Например, ее основу может составлять концепция самодетерминации, изложенная Эдвардом Деси и Ричардом Райаном и основанная на потребности человека в автономии, взаимосвязанности и компетентности.

Ирина Шахтарина, аналитик качества данных в «Сбере», в ходе выступления сфокусировалась на опыте организации проверок данных, поступающих из различных источников, а также поддержки культуры работы с данными. Особое внимание она уделила анализу опыта инцидент-менеджмента между разными командами. По рекомендации Шахтариной, в кратком виде план внедрения системы качества данных может выглядеть следующим образом: оценить фактическое состояние дел; узнать, какие данные где используются и на что влияют; понять состояние и потребность в обновлении данных; определить владельцев данных; начать внедрять в удобном для пользователей виде.

Как отметил Павел Коротенко, CDO «Юнилевер Русь», управление данными не рождается на пустом месте: обычно что-то у компании уже есть, просто различного уровня проработки, зрелости и детализации. Ключевой вопрос – готовность компании к изменениям.

«Важно встроить работу с данными в процессы компании, добиться их социализации. Например, мы развиваем институт дата-стюардов, которые занимаются описанием и поддержанием в актуальном состоянии информации по метаданным», — поделился Коротенко.

Не забыть про популяризацию

«Естественно желание бизнеса оценивать качество данных в таблицах и источниках, и даже при необходимости оставлять комментарии. За счет этого можно добиться доверия к данным и желания их использовать в работе», — констатировал Денис Тепляков, старший инженер качества данных «МегаФона». Поэтому инструменты для управления качеством данных нужны не только профильным специалистам, но и бизнес-пользователям. Тепляков рассказал о собственной разработке self-service Data Quality, предоставляющей пользователям средства самостоятельного контроля актуальности и качества данных в витринах корпоративного хранилища данных.

Ирина Соколова-Краевская: «Если пользователи не имеют отношения к управлению данными, то все цифры, которым они не рады, воспринимаются как технические ошибки в отчетности»

«Если пользователи не имеют отношения к управлению данными, то все цифры, которым они не рады, воспринимаются как технические ошибки в отчетности», – отметила Ирина Соколова-Краевская, главный эксперт группы методологии и инструментов качества данных «Алроса». В результате сотрудники пишут точечные запросы на исправление данных на уровне источников, хранилища или отчетности. Но такой подход не решает корневых проблем, в нем отсутствует системность.

Когда в «Алроса» начали путь в Data Governance и сформировали свою стратегию, то конечно же, ожидали, что пользователи поддержат офис данных и позитивно воспримут изменения. Однако бизнес-заказчиков оказалось найти непросто: руководители понимали наличие проблем с данными, но отказывались выделять свои ресурсы. Поэтому было принято решение внедрять процессы Data Governance точечно, встраивая задачи описания и повышения качества данных в традиционные запросы на изменения в хранилище и BI-отчетности. Это и стало первым шагом к выстраиванию в компании дата-сервисов. Сейчас пользователи в ходе «самопроверок бизнеса» уже начинают сами исправлять данные в первоисточниках и следить за процессом.

В любом случае, работа над качеством данных не должна оставаться незамеченной, важно думать о ее популяризации. Нужно стать видимыми внутри компании: поиск заказчика без реальных историй успеха не работает.